/ Модель

Характеристики

Контекст
256 токенов
Параметры
126 млн
Архитектура
llama · dense
Базовая модель
babylama-hidden_sizes768
Библиотека
transformers
Опубликована
13 ноя 2024

babylama-attention_heads12

Генерация текстаТекст → текст3 профессии

Небольшая дообученная модель Llama для экспериментов с генерацией текста при контексте до 256 токенов.

13скачиваний за 30 дней0лайковвеса обновлены14 ноя 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Harshatheeswar/babylama-attention_heads12 — дообученная модель семейства Llama для генерации текста, созданная на основе Harshatheeswar/babylama-hidden_sizes768. Она содержит 125,5 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors; максимальная длина контекста — 256 токенов. В карточке указано значение loss 3,8103 на наборе оценки, но обучающий набор обозначен как None, а назначение и языковой охват модели не описаны.

Модель подходит для экспериментов с генерацией текста и изучения небольших языковых моделей. README не содержит сведений о конкретных сценариях применения, качестве ответов или ограничениях, поэтому результаты следует проверять на целевых данных. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • эксперименты с генерацией короткого текста
  • изучение работы компактных моделей Llama
  • оценка генерации текста на пользовательских примерах

Ограничения

Контекст ограничен 256 токенами; языки и целевые сценарии в карточке не описаны. Указан loss 3,8103, но без описания набора оценки и обучающих данных это значение не позволяет судить о качестве для конкретных задач.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

babylama-attention_heads12

This model is a fine-tuned version of Harshatheeswar/babylama-hidden_sizes768 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 3.8103

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
4.12420.999955594.1342
3.7841.9999111193.8964
3.57912.9998166783.8068
3.44783.9999222383.7934
3.30484.9994277953.8103

Framework versions

  • Transformers 4.46.2
  • Pytorch 2.5.0+cu121
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
bd4539e

0 моделей